使用数据框中的值作为字符串调用 pyspark 中的函数

Call function in pyspark with values from dataframe as strings

我必须调用一个函数 func_test(spark,a,b),它接受两个字符串值并从中创建一个 df。 spark 是一个 SparkSession 变量 这两个字符串值是另一个数据框的两列,并且对于该数据框的不同行会有所不同。

我无法做到这一点。

到目前为止尝试过的事情:
1.

ctry_df = func_test(spark, df.select("CTRY").first()["CTRY"],df.select("CITY").first()["CITY"])

仅给出 df 的第一条记录的 CTRY 和 CITY。

2.

ctry_df = func_test(spark, df['CTRY'],df['CITY'])

给出 Column<b'CTRY'>Column<b'CITY'> 作为值。

示例: df 是:

+----------+----------+-----------+
|     CTRY |     CITY |    XYZ    |
+----------+----------+-----------+
|      US  |     LA   |      HELLO|                                    
|      UK  |     LN   |      WORLD|
|      SN  |     SN   |      SPARK|
+----------+----------+-----------+

所以,我想先调用 fetch func_test(spark,US,LA);第二次调用 func_test(spark,UK,LN);第三次调用是 func_test(spark,SN,SN) 等等。

Pyspark - 3.7
Spark - 2.2

编辑 1:

问题详情:

func_test(spark,string1,string2) 是一个接受两个字符串值的函数。在这个函数内部是一组完成的各种数据帧操作。例如:- func_test 中的第一个 spark sql 是一个普通的 select 并且这两个变量 string1 和 string2 在 where 子句中使用。这个生成 df 的 spark sql 的结果是下一个 spark sql 的 temp table 等等。最后,它创建一个 df,这个函数 func_test(spark,string1,string2) returns.

现在,在主要 class 中,我必须调用此 func_test 并且两个参数 string1 和 string2 将从数据帧的记录中获取。因此,第一个 func_test 调用生成查询为 select * from dummy where CTRY='US' and CITY='LA'。随后的操作发生,导致 df。对 func_test 的第二次调用变为 select * from dummy where CTRY='UK' and CITY='LN'。第三次调用变为 select * from dummy where CTRY='SN' and CITY='SN' 等等。

而不是 first() 使用 collect() 并遍历循环

collect_vals = df.select('CTRY','CITY').distinct().collect()
for row_col in collect_vals:
    func_test(spark, row_col['CTRY'],row_col['CITY'])

希望对您有所帮助!!